我正在参与掘金创作者训练营第5期，点击了解活动详情
前言
学算法（为日常开发提供思路），先学基础。前端算法：重时间，轻空间。
概念
- 什么是复杂度：
- 程序执行时需要的计算量和内存空间（和代码是否简洁无关）
- 复杂度是数量级（方便记忆、推广），不是具体的数字，用O(...)表示，内部是一个函数表达式
- 一般针对一个具体的算法，而非一个完整的系统
- 时间复杂度----程序执行时需要的计算量（CPU）
- O(1)：一次就够（数量级）--可数的，意思就是----和输入无关。无论输入是1还是1000，都不影响它。---变量计算
- O(n):和传输的数据量一样（数量级）-----一层循环
- O(n^2):数据量的平方（数量级）-----两层嵌套循环
- O(logn):数据量的对数（数量级）---二分法
- O(n
*logn):数据量*数据量的对数（数量级）----一次循环*二分
- 空间复杂度-----程序执行时需要的内存空间（同时间复杂度）
- O(1)：有限的、可数的空间（数量级）
- O(n):和输入的数据量相同的空间（数量级）
练习
讲一个数组旋转K步
先看题目：
- 输入一个数组[1,2,3,4,5,6,7]
- K=3,即旋转3步
- 输出[5,6,7,1,2,3,4]
经过思考之后，先考虑以下思路：
- 思路1：把末尾的元素挨个pop，然后unshift到数组前面
- 思路2：把数组拆分，最后concat拼接到一起
- 还有思路，但是数组是一个有序的数据结构，必须考虑一下其他方法的时间复杂度
看一下各思路下的代码如何书写： 思路1：
思路2：
接下来看一下各思路下复杂度的分析：（前端重时间，轻空间，注重代码的逻辑清晰，易读）
- 思路1：时间复杂度O(n^2)，空间复杂度O(1)
- 思路2：时间复杂度O(1)，空间复杂度O(n)
进行一下性能测试，更加直观的对比一下两个思路的性能：
结果如下：很明显能看出两个方法，哪一种性能更好。（当然了，也能很直观看出本电脑配置不高）
判断字符串括号是否匹配
- 一个字符串 s 可能包含{}()[]三种括号
- 判断 s 是否是括号匹配的
- 如 (a{b}c) 匹配，二{a(b 或 {a(b}c) 都不匹配
解题之前先引入一个概念，第一题其实就应该引入的---栈（先进后出）
- 栈 VS 数组
- 栈：宏观概念。理论模型，不论怎么实现都将不受任何编程语言的限制
- 数组：具体实现。能实现真实的功能，受限于编程语言
思路：
- 遇到左括号{([就压栈
- 遇到有括号})]就判断栈顶，若匹配的上则出栈
- 最后判断 length 是否为0
具体代码实现如下：
性能分析：时间复杂度与空间复杂度 均为 O(n)
总结
看完以上分析，不知道有没有对算法复杂度有一定的了解，以及前端思考采取哪种方法的思路。
